在线交易成倍增加，在线欺诈案件也是如此。西安vi设计公司维护的Consumer Sentinel Network在2019年收到了320万份身份盗窃和在线欺诈报告。随着欺诈者越来越善于发现和利用系统中的漏洞，欺诈管理已使银行和金融业痛苦不堪。值得庆幸的是，用于欺诈检测的机器学习已经为金融机构所救。 西安vi设计公司有助于解决一些重要的业务问题，例如检测电子邮件垃圾邮件，针对性的产品推荐，准确的医学诊断等。随着处理能力的提高，大数据的可用性和进步，机器学习（ML）的应用得到了加速在统计建模中。数据科学家已成功使用机器学习和预测分析对交易进行身份验证。由机器学习提供支持的自动欺诈筛选系统可以帮助企业减少欺诈。

欺诈检测错了–人类审查和交易规则

根据网络资源的欺诈基准报告，83％的北美企业进行手动审核，平均而言，西安vi设计公司手动审核了29％的订单。人类的参与可以提供有关欺诈模式和真实客户行为的见解。这些见解可以调整自动筛选规则。但是，人工审核的成本高昂，耗时且导致较高的误报率。

由于对自动化解决方案的信心不足，因此，人工审核人员会占用大量欺诈管理预算。企业必须对进行人工审核的员工进行全面的培训。培训人员手动检查交易既耗时又昂贵。手动审核还会增加完成订单所需的时间。对于客户需要快速解决方案的数字和软件等服务，客户的不满情绪可能会加剧。

超过90％的在线欺诈检测平台使用交易规则将可疑交易引导至人工审核。令人惊讶的是，一些银行和支付网关仍使用这种使用规则或逻辑语句查询交易的传统方法。该平台中的“规则”结合了数据和水平扫描。该过程的结果通常是将交易二进制标记为真实或欺诈。

传统过程的主要缺点是误报的发生。这意味着只希望进行购买的完全普通的客户就会远离您的业务。判断取决于个人培训和交易准则，具体取决于业务。如果员工拒绝每笔高于特定风险阈值的交易，或者如果损失一笔交易比进行欺诈交易要便宜的多，那么误报率就会很高。误报不仅会影响流程中的销售，还会影响客户产生的生命周期价值。因此，基于规则的手动审核应该是欺诈检测策略中的最后一道防线。

西安vi设计公司还使用恶意软件和网络钓鱼电子邮件来破坏客户的安全和个人详细信息。一旦获得，欺诈者将使用这些详细信息访问客户帐户或进行欺诈。这些方法都旨在破坏客户的个人和财务详细信息，包括卡数据，以使犯罪分子能够进行欺诈。在此，所使用的卡数据是合法的，但未经所有者同意。在这些情况下，此类规则和人工审核将无法阻止交易。

了解欺诈检测的机器学习

西安vi设计公司是设计和应用能够从过去的案例中学到东西的算法的科学。它使用复杂的算法来遍历大型数据集并分析数据模式。该算法有助于机器响应尚未明确编程的不同情况。它用于垃圾邮件检测，图像识别，产品推荐，预测分析等。

大幅减少人员的工作量是实施ML的数据科学家的主要目标。即使使用现代分析工具，西安vi设计公司也需要花费大量时间来读取，收集，分类和分析数据。ML教机器识别并评估模式对人类的重要性。特别是对于必须在短时间内分析数据并采取行动的用例，在机器的支持下，人类可以更高效地进行操作并充满信心。

机器学习将数据密集和令人困惑的信息转换为向决策者建议行动的简单格式。西安vi设计公司通过不断增加数据和经验来进一步训练ML系统。因此，机器学习的核心是一个三部分的周期，即训练-测试-预测。优化周期可以使预测更加准确并与特定用例相关。

为什么要在欺诈检测中使用机器学习？

在处理大型数据集方面，机器比人类要好得多。西安vi设计公司能够检测和识别用户购买过程中的数千种模式，而不是通过创建规则捕获的几种模式。通过将认知计算技术应用于原始数据，我们可以预测大量交易中的欺诈行为。这就是为什么我们在财务中使用机器学习来防止客户欺诈的原因。解释机器学习服务重要性的三个因素是：

速度-在基于规则的系统中，人们创建临时规则以确定要接受或拒绝的订单类型。此过程很耗时，并且涉及手动交互。随着商务速度的提高，拥有更快的欺诈检测解决方案非常重要。我们的商人希望快速取得结果。以微秒为单位！只有机器学习技术才能使我们达到批准或拒绝交易所需的那种置信度。机器学习可以实时评估大量交易。它正在不断地分析和处理新数据。而且，诸如神经网络之类的高级模型可以自动更新其模型以反映最新趋势。

规模–机器学习算法和模型随着数据集的增加而变得更加有效。而在基于规则的模型中，维护欺诈检测系统的成本会随着客户群的增加而成倍增加。由于ML模型可以找出多种行为之间的差异和相似性，因此通过增加数据量可以改善机器学习。一旦得知哪些交易是真实的，哪些交易是欺诈的，系统就可以通过它们进行工作，并开始挑选适合任一交易的交易。这些还可以在将来处理新交易时对其进行预测。快速扩展存在风险。如果训练数据中存在未检测到的欺诈，机器学习将在将来训练系统忽略该类型的欺诈。

效率–与人类相反，机器可以执行重复性任务。类似地，机器学习算法会做肮脏的数据分析工作，并且只有在西安vi设计公司的输入增加见解时才将决策升级为人类。在检测微妙或非直觉的模式以帮助识别欺诈性交易方面，机器学习通常比人类更有效。如前所述，西安vi设计公司还可以帮助避免误报。此外，无人监督的机器学习模型可以连续分析和处理新数据，然后自动更新其模型以反映最新趋势。